Google DeepMind 发布 Gemini 4 Carbon 前沿模型

2026年11月10日

开发者、企业、科学家和消费者现在可以试用我们最新的前沿模型。

您的浏览器不支持音频元素。

听文章

⟦duration⟧分钟

此内容由 Google AI 生成。生成式 AI 是实验性的

本文包含

今天，我们将 Gemini 4 Carbon 向开发者、企业、科学家和消费者开放。Carbon 是我们性能最强的模型，在网络安全能力和复杂知识工作、软件工程和科学推理中的长时程代理式工作流程方面具有前沿性能。

两周前，我们通过我们的 Fairwind 计划向一组网络安全防御者发布了 Carbon。在我们最近发布 Gemini 4 Argon 后，Carbon 将前沿性推向了更远。Argon 仍然是大多数软件工程和知识工作的理想选择，而 Carbon 是为测试模型智能极限的任务而构建的，如复杂的、多步骤的编码和调试，以及开放式科学研究和发现——使用比 Argon 更多的 token 来深入探索、深入推理并运行扩展的验证循环。

在为测试模型在实际工作流程中性能而设计的独立基准测试中，Carbon 将前沿精度与实用的生产经济性相结合。它在与下一最佳外部模型相比每项任务成本降低 2 倍的情况下，在 CursorBench 4.0、Perplexity 的 WANDR 和 Zapier 的 AutomationBench 上排名第一。

为了在更大和更复杂的项目上应用 Carbon 的能力，我们正在预览 /swarm 在 Google Antigravity 中，将单个提示转换为一个您可以实时跟踪的协调代理团队。开发者可以将 Carbon 分配给需要最深推理的角色，如架构设计、协调和审计，同时将其与在并行隔离工作空间和对抗性验证器中测试每个更改的更快、更轻的模型配对。

Gemini 4 Carbon 通过 API 在 Google AI Studio 和 Gemini for business 向所有付费开发者和企业开放，采用与 Gemini 4 Argon 相同的入门价格 ¹ （每百万输入 token 2 美元，每百万输出 token 10 美元）。它也将向所有 Google AI Ultra 订阅者在 Google Antigravity、Gemini 应用和搜索中的 AI 模式中推出。

更高精度的知识工作、工件生成和数据分析

在法律、金融和企业运营领域，Gemini 4 Carbon 结合了前沿的视觉理解、推理和全面检索能力，以在大量密集文档和数据中综合得出可靠的见解。它遵循严格的模式和格式来生成精致且精确的电子表格、演示文稿和报告。

现有的基准测试并不能充分捕捉代理如何原生地推理包含图表、图像、蓝图、示意图和表格的密集文件，因此我们与 Artificial Analysis 合作推出了新的多模态知识代理 (MKA) 基准测试，该测试评估模型在代理工作流程中的多模态性能。Carbon 位列第2，同时与表现最佳的模型相比，平均每项任务的成本降低了6倍以上。

在预发布评估中，Carbon 在 Hebbia 的 E2E 金融代理评估中表现与测试的最佳模型相当，并在 Balyasny 资产管理的通用金融智能基准测试中，在23种前沿模型配置中排名第一，涵盖法律专业知识、代理工具使用和执行、编码和数据工程，以及感知和上下文理解。

改进的代理编码、全栈开发和3D及UI设计

Carbon 在需要多代理协作的工程任务上表现优异，如多包迁移、跨子系统根本原因调查和复杂的架构重新设计。对于 Web 应用开发，它运行构建和验证循环，从错误中恢复，并检查其代码和渲染的 UI，以生成完整的、可工作的应用程序。更强的视觉设计、空间推理以及对环境细节的关注也适用于3D 游戏开发和创意编码。

前沿的网络安全能力

Gemini 4 Carbon for cyber 为我们至今最强的网络安全能力，为安全团队提供保护关键软件所需的端到端智能。通过 Fairwind 计划访问时，Carbon 在发现（SEC-bench Pro）、利用（ExploitGym）和修补（CWE-bench v1）漏洞的关键基准测试中表现领先：检查软件、追踪缺陷如何在系统中链式反应，并生成经过验证的根本原因补丁。

Google 内部和外部的早期测试者已经在实践中看到 Carbon for cyber 的显著成果。

在 Project Fortify 中，Google 的自主系统涵盖扫描、分类和修复，Carbon 在我们内部基准测试中扫描达到100%召回率，分类达到95%精确率。在开源代码仓库测试中，我们看到 Argon 已经强劲的召回率相对提高了25%以上，浮现出先前未检测到的实际逻辑缺陷。将这些成果带到 Google，作为世界上最大的开源软件用户之一，有助于保护我们自己的系统和更广泛的生态系统。
Google 的云漏洞研究 (CVR) 团队最近使用 Carbon 证明，一个流行的开源软件中的两个错误实际上是可利用的漏洞，其严重程度与最近的 PHP2Shell 利用相当。通过使用 Carbon 构建概念验证，CVR 帮助维护者将错误重新分类为关键，并迅速发布补丁。详细信息将在负责披露过程完成后分享。
作为 Wiz 的 Scan for Good 计划的一部分，团队使用 Carbon 评估了公共数字基础设施中的漏洞。例如，在扫描两家主要的 SaaS 提供商时，该模型在不到两个小时的时间内发现了 0day 漏洞，将数周的漏洞研究压缩到了一个下午。团队与受影响的组织合作，以创纪录的速度进行补救，帮助缓解了对数万家公司的潜在影响。

更强的科学和数学推理能力

Gemini 4 Carbon 在物理、数学和生命科学领域的推理方面表现出显著提升，能够综合实验数据、测试假设并解决多步骤领域问题。对于药物毒性研究公司 Axiom Bio，Carbon 现在是转化科学性能领先的模型，发现了他们之前未发现的新的毒性机制。Axiom 现在正将其生产科学分析和代理转移到 Carbon 和 Argon，以解锁更安全药物的开发。

Google 的研究人员一直在 Google Antigravity 中使用 Carbon 来加速他们的工作：

代码验证： 研究人员构建了一个用于形式验证的新代理框架，名为 AlphaProof Code，并将其应用于一个主要的安全挑战：证明 Signal 密码学协议底层实际代码的数学。研究人员使用 Carbon 和其他模型，将安全目标转化为数学定理。AlphaProof Code 代理随后使用 Carbon 在 Lean 中生成了数百万行代码，Lean 是一种用于编写数学证明的计算机语言，帮助他们用几周时间证明了关键的安全属性——这一任务历史上需要专家团队花费数年时间。结果表明 Carbon 有潜力解锁可扩展的形式验证，长期以来这被认为是构建安全软件的金标准方法。
酶测定开发：在仅提供实验室笔记本和原始数据的情况下，Carbon 超越了标准分析，揭示了难以解释的数据异常，并利用这些异常诊断出细微的湿实验伪影，例如深孔中混合不充分，从而显著提高了可重复性。此外，Carbon 改进了解卷积色谱峰的方法，并检测到了研究仪器中的痕量样品残留，显著加速了新测定的开发，并收紧了计算与实验台之间的反馈循环。
蛋白质结构预测： 像 AlphaFold 3 这样的结构预测模型使用进化亲属的多序列比对（MSA）来帮助推断氨基酸链如何折叠。因此，它们在标准数据库中匹配很少的、研究不足的、病毒性的、微生物的和真核蛋白质上往往表现困难。研究人员在多代理设置下工作，使用 Gemini 4 Carbon 自动发现跨 PB 级未注释序列档案、环境和病毒序列目录以及 3D 结构数据库的远程同源物。例如，在 CASP17 盲测集的 7 个低同源性蛋白质家族中，Carbon 平均将检索到的同源物数量增加了 40 倍，大大增加了结构预测模型可用的信息，而无需重新训练。虽然更广泛的基准测试仍在进行中，但解决这一上游搜索瓶颈可能为建模难以表征的蛋白质组区域提供了一条有前景的途径。

四周前，我们开放了申请，让10,000名科学家免费使用六个月的Argon，以加速他们的研究，并且我们已经接纳了数千名科学家。今天，我们将扩大对Carbon的访问权限，面向当前和未来的参与者，并且从现在开始，该计划将继续提供我们最新前沿模型的访问权限，一旦它们可用。申请仍然开放，并且接纳过程每周滚动进行，根据资格、容量和选择。

模型安全和安全进展

随着每个新模型的发布，我们继续加强我们的安全和安全缓解措施、代理滥用预防、模型对齐和减少危害，与模型能力成比例。

由于Gemini 4 Carbon引入了更强的网络能力，我们在Argon的强大的安全和安全堆栈上构建，以增强对滥用和提示注入的鲁棒性。

减轻前沿安全滥用风险： 我们加强了我们的滥用安全措施，以帮助确保更强的防御性推理不会转化为进攻性风险。在种子了ExploitBench和CyScenarioBench的模拟网络攻击测试环境中，Carbon阻止了我们自适应红队代理99%的攻击轨迹，该代理可以在每次阻止后迭代地重新考虑其攻击计划。Carbon的安全措施将每次尝试的入侵率降低到仅0.8%（Argon上为3.1%）。我们的安全措施还将自动化网络攻击查询的成功率降低到2.17%（Argon上为9.86%）。并且外部测试由Trajectory Labs进行，在132小时和超过13,000次请求中，没有发现新的通用越狱。
促进安全和对齐的模型交互： 当我们宣布Carbon时，我们展示了在模型生命周期中通过我们的监控标志率测量的对齐的显著改进，以及数据伪造的减少。新的结果表明，在我们的375任务代理诚实基准中，它通过了92%的任务（Argon为70%）—— 98%的时间内不下降以填写缺失的实验数据，并且68%的时间内标记方法论缺陷。

a chart showing measures of misalignment across a model's lifecycle

保护用户免受间接提示注入攻击： 两周前，我们分享说Carbon在Gray Swan IPI基准上实现了0%的提示注入攻击成功率——这是首次达到这一里程碑。同时，我们知道提示注入鲁棒性仍然是一个需要持续改进的领域。我们先进的自动化红队继续在这里推动极限，并且已经表明在某些分布中，模型可以进一步改进以抵御复杂的攻击。它为我们提供了数据，使我们能够不断推进我们模型的安全性到下一个前沿。

有关更多详细信息，请阅读完整的 Gemini 4 Carbon安全和安全报告。

开始使用Gemini 4 Carbon

从今天开始，Carbon加入了Argon，成为我们产品系列中前沿模型家族的一员：

对于开发者： 在 AI Studio 和 Android Studio 中使用Gemini API付费层，并且如果您是Google AI Ultra订阅者，您可以在 Google Antigravity 和AI Studio中试用。
对于企业： 通过API或模型下拉菜单，在 Gemini for business、Google Antigravity或CodeMender中试用。
对日常用户： 尝试在 Gemini 应用中从今天开始使用 Carbon，以及如果你是 Google AI Ultra 会员，还可以在搜索中的 AI 模式中使用。
对科学家与研究人员的： 申请获得使用 Google Antigravity 最高使用层级的 Argon 和 Carbon 的机会，免费使用 6 个月（滚动加入），资格、容量和选择适用。
对网络安全防御者的： 申请加入 Fairwind 项目以滚动方式获得 Carbon 的网络安全访问权限。

查看模型卡了解更多关于 Gemini 4 Carbon 的信息并开始使用它，探索我们更新的 Gemini 4 开发者指南和文档，以获取将工作流程迁移到模型的最佳实践。

将最新的谷歌新闻获取到您的收件箱

订阅我们的通讯，获取产品更新、活动信息、特别优惠等。

您的信息将根据谷歌隐私政策使用。您可以随时选择退出。